如何创建错误图以支持平均内核密度图?


10

我通过在相同空间范围内堆叠的点上运行KDE来创建平均内核密度图。例如,假设我们有三个点shapefile,它们代表形状和大小相同的三个不同林隙中的幼苗。我为每个点shapefile运行了一个KDE。然后,根据空间范围将KDE的输出进行堆叠,以便在Arc的栅格计算器中计算平均值,例如:Float(("KDE1"+"KDE2"+"KDE3")/3)。这是最终产品:

在此处输入图片说明

现在,我对创建一个描述与平均KDE相关的错误的地图感兴趣。我希望使用误差图来直观地描述与热点相关的误差(例如,SW热点是否完全是由于一个间隙中的点引起的?)。我应该如何创建与平均KDE相关的误差图?将MSE是错误的最适当的措施在这种情况下?


3
这是非常有趣的分析。“标准错误”是什么意思?每个密度图与“平均”层有某种偏差(差异)?
景观分析

@Landscape Analysis Post已编辑以处理评论。是的,我认为在这种情况下,MSE估算值最合适。本质上,显示每个KDE与平均KDE的差异。我不确定如何使用ArcGIS和/或脚本将所有内容放在一起。
亚伦

Answers:


8

一个买者

数据中没有系统误差时,标准误差是从采样数据估算不确定性的有用方法 该假设在此情况下具有可疑的有效性,因为(a)KDE映射将局部存在一定的误差,这些误差可能会在各层之间系统地持续存在;以及(b)由于选择了内核半径(或“带宽”,可能会导致不确定性的巨大组成部分) ”)将不会反映在这些地图的任何给定集合中。

一些选择

尽管如此,描绘一组相关的,并置的(“堆叠的”)地图之间的可变性是一个好主意-前提是您记得刚才描述的限制。在这种情况下,很自然可以采用几种局部变异性度量,包括:

  • 值的范围,以加法(最大值减去最小值)或乘以(最大值除以最小值)表示。

  • 值的方差标准偏差。其乘法形式是值的对数的方差或标准偏差。

  • 色散的可靠估计器,例如四分位数间距(或第三四分位数与第一四分位数的比率)。

在许多方面,乘积措施可能更适合密度,因为每英亩100棵和101棵树之间的差异可能是无关紧要的,而每英亩2棵和1棵树之间的差异可能相对重要。两者都显示101-100 = 2-1 = 1的相同(加法范围),但它们的乘法范围1.01和2.00却大不相同。(请注意,乘法范围始终超过1,因此2.00是1.0的100倍。)

计算方式

计算这些度量需要某种形式的本地统计数据。Spatial Analyst中 的像元统计功能将计算方差,范围和标准差。局部分位数可以用rank找到。与其对要使用的等级进行挑剔,不如在四分位数附近选择方便的等级。为了找到它们,使n为堆栈中的网格数。中位数的等级为(n + 1)/ 2-可能不是整数,表示应该通过对n / 2和n / 2 + 1等级进行平均来计算,这两个等级都近似于中位数。为了近似四分位数,然后将(n + 1)/ 2向下舍入到最接近的整数,然后再次加1并除以2。令该数字为r。采用rn +1- r用于四分位数的等级。

例如,如果堆栈具有n = 6个网格,则(n + 1)/ 2向下舍入为3,而(3 + 1)/ 2 = 2则不需要舍入。对等级使用r = 2和r = 6 + 1-2 = 5。实际上,此过程将在每个像元中返回六个值中的第二低r = 2)和第二高r = 5)值。您可以映射它们的差异或比率。


2
我想在这种情况下,变异系数会很有用。
杰弗里·埃文斯

1
@jeffrey谢谢,这也是一个考虑因素。通过将(局部)标准偏差网格除以(局部)平均网格来获得CV。我没有提到它,但是对于这样的乘法总结,应该注意掩盖分母(均数或最小值,视情况而定)接近零的区域:结果可能不可靠,并且可能除了数值上的不精确和近似核的微小误差外,其他什么都不会反映出来。
Whuber

@whuber,您能否在第一段中详细说明(a)?例如,您是指数据收集技术中的错误可能会持续跨越每个森林差距(并因此在每个KDE栅格中系统地体现出来),还是与焦点功能的实现相关的错误?
MannyG

@whuber很棒的主意-非常感谢!
亚伦
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.